MétaCan
Menu
Retour à la cohorte
Enregistrement W2980608261 · doi:10.1080/02786826.2019.1682509

Natural sources and experimental generation of bioaerosols: Challenges and perspectives

2019· article· en· W2980608261 sur OpenAlexaff
Malin Alsved, Lydia Bourouiba, Caroline Duchaine, Jakob Löndahl, Linsey C. Marr, Simon T. Parker, Aaron J. Prussin, Richard J. Thomas

Notice bibliographique

RevueAerosol Science and Technology · 2019
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueIndoor Air Quality and Microbial Exposure
Établissements canadiensUniversité Laval
Organismes subventionnairesVetenskapsrådetMinistry of DefenseAFA FörsäkringSvenska Forskningsrådet FormasRichard and Susan Smith Family Foundation
Mots-clésAerosolBioaerosolIndoor bioaerosolEnvironmental scienceBiochemical engineeringCharacterization (materials science)Natural (archaeology)Process engineeringComputer scienceMeteorologyNanotechnologyEngineeringGeographyMaterials science

Résumé

récupéré en direct d'OpenAlex

Experimental aerosol generation methods aim to represent natural processes; however, the complexity is not always captured and unforeseen variability may be introduced into the data. The current practices for natural and experimental aerosol generation techniques are reviewed here. Recommendations for best practice are presented, and include characterization of starting material and spray fluid, rational selection of appropriate aerosol generators, and physical and biological characterization of the output aerosol. Reporting of bioaerosol research should capture sufficient detail to aid data interpretation, reduce variation, and facilitate comparison between research laboratories. Finally, future directions and challenges in bioaerosol generation are discussed.Copyright © 2020 American Association for Aerosol Research

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,044
score de la tête « metaresearch » (Gemma)0,020
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,044
Score d'incertitude au seuil0,234

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0440,020
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,004
Communication savante0,0050,006
Science ouverte0,0040,003
Intégrité de la recherche0,0030,003
Charge utile insuffisante (le modèle a refusé de juger)0,0020,001

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,019
Tête enseignante GPT0,236
Écart entre enseignants0,217 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeThéorique ou conceptuel
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations78
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAerosol Science and TechnologyMême sujetIndoor Air Quality and Microbial ExposureTravaux en français237 207